抓取规划

算出夹爪或灵巧手该从物体哪里、以什么姿态和手指构型去抓。

抓取规划（也叫抓取合成）回答「抓哪里、怎么抓」：输出夹爪的 6D 抓取位姿（位置加朝向）和开口宽度，灵巧手还要给出各手指关节角；之后再由运动规划生成一条不碰撞的路径，先到预抓取位姿再合拢。早期用解析方法：已知物体模型和摩擦系数，按力封闭（接触力能抵抗任意方向外力）等抓取质量指标搜索。Bohg 等人 2014 年的综述把数据驱动方法按物体是否见过分成已知、相似、未知三类。后来深度学习直接从深度图或点云预测抓取，如 Dex-Net、Contact-GraspNet、AnyGrasp。端到端 VLA 通常不单列这一步，工业分拣和模块化系统里仍很常用。

例子UC 伯克利的 Dex-Net 2.0 用 670 万个合成点云及解析抓取指标训练抓取质量网络 GQ-CNN，在 ABB YuMi 上约 0.8 秒规划一次抓取，对 8 个已知物体成功率 93%。

也叫

抓取合成、Grasp Synthesis、抓取位姿规划

相关

抓取、抓取位姿检测、预抓取位姿、力封闭、抓取质量指标、运动规划

来源

Data-Driven Grasp Synthesis - A Survey (Bohg et al., IEEE T-RO 2014, arXiv 1309.2660)
Dex-Net 2.0: Deep Learning to Plan Robust Grasps with Synthetic Point Clouds and Analytic Grasp Metrics (arXiv 1703.09312)